MétaCan
Menu
Back to cohort
Record W7014593914

Prisparitetsklausulers effekt på produktutvalg

2018· dissertation· no· W7014593914 on OpenAlexaboutno aff

Bibliographic record

VenueBergen Open Research Archive (BORA) (University of Bergen) · 2018
Typedissertation
Languageno
FieldBusiness, Management and Accounting
TopicConsumer Market Behavior and Pricing
Canadian institutionsnot available
Fundersnot available
KeywordsListed companyLicenseeVolunteer work
DOInot available

Abstract

fetched live from OpenAlex

Walmart valgte å slutte å akseptere Visa-kort i Canada i 2016. Hvorfor vil en butikkjede av et slikt kaliber velge å ikke lenger ta i mot et av de aller vanligste betalingskortene? I denne oppgaven det har blitt gjennomført en analyse som ser på leverandørers insentiver til ikke å være aktive på alle salgskanaler når det innføres prisparitetsklausuler i et marked. Problemstillingen i oppgaven er: "Kan prisparitetsklausuler påvirke produktutvalget i markedet?". Ved hjelp av to ulike teoretiske rammeverk, et for perfekt substituerbare leverandører og et for differensierte leverandører, undersøkes prisparitetsklausulers effekt på leverandørenes insentiver til å kun være aktiv på én salgskanal. Avgjørelser tatt av konkurransemyndigheter baserer seg i stor grad på teorien om at prisparitetsklausuler demper konkurransen mellom plattformer og medfører at forbrukerne blir belastet med høyere priser. Dette kommer også frem i majoriteten av litteraturen. Dette resultatet hviler på den implisitte antakelsen som at leverandører må være aktive på alle plattformer. I denne oppgaven har denne antakelsen blitt lettet på. Oppgaven viser at prisparitetsklausuler ikke nødvendigvis medføre en prisøkning, men at de kan gi lavere priser, og de kan gi et mindre produktutvalg. Oppgaven understreker at konkurranseforholdet mellom leverandørene er avgjørende for hvilken effekt prisparitetsklausulene gir. Konklusjonen bidrar til å forklare hvorfor man i markeder med prisparitetsklausuler enkelte ganger kan observere at ikke alle leverandører er aktive på alle plattformer. Det kan dermed være med på å belyse hvorfor Walmart i Canada har valgt å ikke aksepter Visa.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Scholarly communication, Open science, Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.173
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0060.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0020.001
Bibliometrics0.0030.004
Science and technology studies0.0030.001
Scholarly communication0.0010.004
Open science0.0070.006
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0240.005

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.071
GPT teacher head0.325
Teacher spread0.254 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueBergen Open Research Archive (BORA) (University of Bergen)Same topicConsumer Market Behavior and PricingFrench-language works237,207